汽车刹车蹄片轴的偏心精密成形

分析了利用楔横轧工艺成形偏心件的过程,给出了偏心件的特殊成形方法,并以CA141汽车刹车蹄片轴为例进行了试验,取得了满意的结果,该研究成果对于开拓楔横轧成形工艺应用的新领域有实际意义。     

一种基于多核函数SVM的图像标注方法

针对多项式核或RBF核SVM不能很好地处理图像标注中的数据不平衡问题,提出了一种基于多核函数SVM的图像标注方法,该方法采用多核函数训练过的SVM将基于区域的图像标注问题转化为对非平衡数据分类的问题,进而对图像标签进行分类以获取更符合图像真实含义的标注.实验结果表明,多核函数SVM图像标注性能优于单独使用局部或全局核函数.     

一种基于高斯分布的SVM核参数选择方法

针对支持向量机(Support Vector Machine,SVM)研究中的核选择问题,在Amari和Wu提出的保形变换方法的基础上,提出了一种基于高斯分布的SVM核参数选择方法.分析了确定数据分布特征的重要性,给出了判断数据呈高斯分布的方法,探讨了SVM核函数及其参数选择与数据分布的相关性.在Matlab实验环境下,采用两组数据集进行了数值仿真,仿真结果说明了本文所提方法的可行性与有效性.     

一种基于SVM的人形识别算法

提出了一种基于SVM(支持向量机)人形识别的算法,通过对静态图像小波变换提取目标的局部形状突变特征,并结合动态帧的步态特征,然后利用支持向量机对小样本进行学习与识别.通过实验验证,该算法具有实时性好、识别率高、可靠性高、适用范围广等特点,以达到实现监控自动化和智能化的目标.     

一种基于SVM的P2P流量检测方法研究

提出了一种基于SVM的P2P流量识别模型,选取P2P流量的上/下行流量比,平均流速率、流持续时间、传输字节数、平均数据包长度等5个特征,对网络流量的P2P流量进行识别.实验结果表明,该方法能够有效地检测网络流量中的P2P流量,准确率达到96%.     

基于SVM的MVC快速宏块模式选择算法

JMVC编码器采用全搜索算法在视点间和时间参考帧中遍历所有可能的预测模式选择最优, 以获得最佳编码质量, 在获得高压缩比的同时也带来非常高的编码复杂度, 严重影响多视点视频的实际应用.针对此问题, 利用JMVC多视点视频编码模型提出一种基于SVM的多视点视频编码快速宏块模式选择算法, 利用SVM方法训练参考视点中提取到的相关信息, 进行分级3层的SVM归类.对采用的3层分类策略进行讨论, 并对特征参数的选取进行详细描述.实验结果表明, 与JMVC全搜索算法相比, 本文算法可在保持视频编码质量的同时节省大量编码时间.     

基于SVM多分类器的管道内检测信号处理研究

该文针对超声波检测是重要的管道腐蚀内检测方法之一,超声回波信号处理是内检测的关键技术。腐蚀缺陷回波的形态受到缺陷方向、位置、形状、面积、深度和管壁粗糙度、检测设备工作状态及各回波间的相互作用等诸多因素的影响,其时域特征很复杂,1个检测回波A扫描信号就有几千个数据。如果将有限的管壁厚度分为几个区间,每个区间对应一种腐蚀状态,管道腐蚀内检测问题就成了对超声回波信号进行状态分类的高维多分类识别问题。该文通过对回波信号的深入分析,利用径向基核函数支持向量机对超声回波信号进行处理,采用一对多和层(树)分类两种方法分别实现了管道多腐蚀等级自动分类识别。实验结果表明,该方法不但提高了分类的正确率,而且提高运算的速度,取得了较好的分类结果。     

一种优化的SVM竹类属种识别方法

提出了一种优化的AS-PO-SVM分类模型,用于解决竹种属的分类问题。AS-PO-SVM是一种基于属性选择(AS)和参数优化(PO)的支持向量机(SVM)分类模型。先用UCI公开数据集验证了AS-PO-SVM模型的分类性能,再将模型应用于由簕竹属、牡竹属、刚竹属和玉山竹属共46个竹种样本构建的Bamboo数据集上。实验结果显示AS-PO-SVM模型在Bamboo数据集上分类准确率达到95.65%,是一种有效的竹种分类模型。     

基于支持向量机和相关反馈技术的肿块检测算法

为了避免由于乳腺中的致密组织与肿块类似的特征表现而造成的肿块检测精度不高,设计了基于典型特征的支持向量机分类器对提取出的感兴趣区域进行分类,并引入了相关反馈算法以进一步提高分类器的性能,提出了一种新的基于支持向量机和相关反馈技术的乳腺图像中肿块的检测方案．通过对大量乳腺图像的仿真实验显示,基于典型特征的支持向量机分类器能够将无特征支持向量机分类器的检出率提高约5%,而相关反馈技术的引入则使系统的检出率进一步提高到约90%．     

一种虹膜色素块检测与分类方法

针对现有虹膜识别系统中全局纹理特征提取方法忽略了纹理类型信息的问题,提出了一种针对全局性纹理中虹膜色素块的检测与分类方法.该方法利用灰度聚类法实现虹膜图像中色素块可能存在区域的初定位,依据坑洞和色素斑这两类色素块的灰度空间分布特性,定义一组区域特征参数作为分类特征向量,利用支持向量机实现二者的检测与分类.算法对图库中图像的坑洞和色素斑的检测正确率分别为99.2%和86.5%,对无特征纹理存在的虹膜图像检测正确率为87.2%.实验结果表明,该方法具有较高的正确率,能够满足虹膜识别系统的纹理特征提取要求.     

基于协议分析和SVM多分类的入侵检测系统研究

入侵检测实质上可以被描述为对数据样本进行尽可能正确的分类,关键问题是特征选择和模式识别方法的选择.采用SVM分类器组合的方法对数据样本进行分类,结合协议分析技术,提出了基于协议分析和SVM多分类的入侵检测系统模型,并利用KDD CUP 99数据集对系统模型进行测试.测试结果表明,所提出的方法有效提高了入侵检测的效率,降低了漏报率和误报率.     

基于滑移-黏滞摩擦机理的制动系统模型开发

研究了制动近零状态和制动抱死状态下制动力矩的求解理论,开发了一种新的制动系统模型。根据制动过程中制动盘与制动钳（制动鼓与制动蹄）之间的运动状态,基于滑移-黏滞摩擦机理,建立了动、静两种摩擦状态下的制动力矩求解算法。开发了独立的制动模型子程序,并在ADAMS软件中进行应用。仿真结果表明：建立的制动系统模型比原ADAMS中的模型可以更准确地仿真车辆平路制动停车工况和坡道制动停车工况,对于汽车的仿真分析具有应用价值。     

基于滑移-黏滞摩擦机理的制动系统模型开发

研究了制动近零状态和制动抱死状态下制动力矩的求解理论,开发了一种新的制动系统模型。根据制动过程中制动盘与制动钳(制动鼓与制动蹄)之间的运动状态,基于滑移-黏滞摩擦机理,建立了动、静两种摩擦状态下的制动力矩求解算法。开发了独立的制动模型子程序,并在ADAMS软件中进行应用。仿真结果表明:建立的制动系统模型比原ADAMS中的模型可以更准确地仿真车辆平路制动停车工况和坡道制动停车工况,对于汽车的仿真分析具有应用价值。     

基于主动学习的视频对象提取方法

提出了一种基于主动学习的SVM视频对象提取方法。利用主动学习的思想,对传统的支持向量机进行了改进,将SVM和主动学习的优点结合起来,实现了更加准确提取视频对象的目的。通过自适应变化检测获取初始视频对象,并以其作为训练样本,选取正类样本训练支持向量机,构造加强的分界面。实验结果表明,该方法能克服一般SVM方法的缺点,使视频对象的边缘更加精确,同时减小了计算量。     

基于线性SVM的车辆前方行人检测方法

采用基于线性SVM方法检测复杂交通背景下车辆前方行人.该方法根据行人非刚性的特点,利用三线性插值法提取图像的梯度方向直方图特征,采用线性支持向量机对视频中的图像进行多尺度融合检测,以适应复杂交通背景的行人检测需求,有效提高检测准确性.实验表明,该算法能够对混合交通视频中的不同尺度和姿态的行人进行有效识别.     

小波框架支持向量机的模糊小波网络分类方法

针对现有的支持向量机(SVM)不具有多分辨率学习的特点,提出一种新的小波框架的多尺度支持向量机(SVM)的模糊小波网络(FWN)算法.将小波多尺度学习和模糊推理方法相结合,由于FWN对应着多个模糊规则,而每个模糊规则的后件对应一个小波网络,解决了模糊规则后件难以描述的问题;对高维输入的小波网络的初始参数和网络结构的确定困难问题,用基于正交小波框架的支持向量机代替小波网络的方法,使FWN模型具有更好的泛化性能;为了提高FWN模型的逼近精度,使用梯度下降方法调节FWN参数.仿真结果表明,与传统的模糊神经网络(FNN)相比,该方法能显著地提高分类精度.     

基于双联支持向量机的入侵检测技术

为提高网络入侵检测系统的性能,提出基于双联支持向量机的入侵检测方法。介绍网络入侵检测系统工作的基本原理;引入双联支持向量机和入侵检测分类器;构建基于双联支持向量机的入侵检测模型。仿真结果表明,该方法可以在样本数据很少的情况下,高速率、高精度地对计算机网络安全进行检测,适用于入侵检测系统。     

A new support vector machine based multiuser detection scheme

In order to suppress the multiple access interference （MAI） in 3G, which limits the capacity of a CDMA communication system, a fast relevance vector machine （FRVM） is employed in the multiuser detection （MUD） scheme. This method aims to overcome the shortcomings of many ordinary support vector machine （SVM） based MUD schemes, such as the long training time and the inaccuracy of the decision data, and enhance the performance of a CDMA communication system. Computer simulation results demonstrate that the proposed FRVM based multiuser detection has lower bit error rate, costs short training time, needs fewer kernel functions and possesses better near-far resistance.